rm-reconstruccion-slm

Adaptador LoRA sobre HuggingFaceTB/SmolLM2-135M-Instruct, entrenado en el taller de destilación (Tópicos Avanzados en IA 2, UAI).

Dominio

Reconstrucción de imágenes por resonancia magnética y técnicas de aceleración: espacio k, transformada de Fourier, half-Fourier, imagen paralela, compressed sensing y reconstrucción con deep learning. Es un ejercicio académico de un tecnólogo médico en RM, no una herramienta clínica.

Datos de entrenamiento

120 pares pregunta-respuesta generados por un LLM profesor (gpt-6-luna, API OpenAI). LoRA r=16, alpha=32. Entrenado en CPU.

Resultados en el examen fijo (12 preguntas, juez LLM, escala 1-10)

	Base	Con adaptador
Nota media	1	2
Aprobación (≥ 7)	0%	0%

Pérdida de entrenamiento: 3.06 → 1.60. Resultados completos en el repositorio del taller.

Limitaciones y uso responsable

Modelo de 135 M de parámetros con 120 ejemplos: repite, se equivoca e inventa contenido técnico. La nota 2/10 indica que apenas empezó a imitar el estilo del dominio. No usar para decisiones clínicas ni de protocolos de adquisición.

Licencia y origen

El modelo base es Apache 2.0, y este adaptador se distribuye con la misma licencia. Los datos de entrenamiento los generó un LLM comercial: revisa los términos del proveedor antes de cualquier uso no educativo.

Uso

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
tok = AutoTokenizer.from_pretrained("HuggingFaceTB/SmolLM2-135M-Instruct")
m = PeftModel.from_pretrained(
    AutoModelForCausalLM.from_pretrained("HuggingFaceTB/SmolLM2-135M-Instruct"), "Davidlobos1992/rm-reconstruccion-slm")